Mapa de Data Science

library(tidyverse)
library(datasets)

Técnicas

Desde el punto de vista del tipo de aprendizaje:

Aprendizaje Supervisado:

Desde estadística:

• Modelo Lineal

datasets::attitude

ggplot(attitude, aes(rating, complaints))+
  geom_point()+
  geom_smooth(method = 'lm')

• Ridge, Lasso, Elastic Net, Splines, etc.

• Regresión logísitca

set.seed(123)
df <- tibble(x = c(rchisq(20, 2),rchisq(20, 10)), y = rep(c(0,1), each=20))

ggplot(df, aes(x, y))+
  geom_point()+
  geom_smooth(method = "glm", 
    method.args = list(family = "binomial"), 
    se = FALSE)

• Support Vector Machine

• Naive Bayes

• Markov chains

• … ##### Desde computación:

• Sistema experto
• K nearest neighbors

• Árboles de decisión

• Ensambles de árboles
• Random Forest (Bagging)
  
• XG-BOOST (Boosting)

• Y muchos más…

Deep Learning:

• Multi-layer perceptron network
• Convolutional Neural Network
• Long-short Term Memory Neural Network
• …

Aprendizaje No supervisado:

Clustering:

• K-means
• Patition around medioids
• DBSCAN

Reducción de dimensionalidad:

• PCA
• LSI
• T-SNE

Aprendizaje Semi-supervisado

Modelos generativos

Por ejemplo: https://transformer.huggingface.co/doc/gpt2-large

Desde el punto de vista del tipo de datos:

Datos estructurados:

Datos tabulados

iris

Series de Tiempo:

• ARIMA
• Wavelets

Grafos:

Datos geográficos

Datos no estructurados:

texto:

• LDA

• Word Embeddings

imagenes

sonido

Desde el punto de vista del remuestreo:

• Test-train
• Cross-Validation

• Bootstraping

Desde el punto de vista de la optimización:

• Gradient Descent

• Algorítmos Genéticos

• Inferencia Variacional

Flujo de trabajo

1. Preprocesamiento
2. Entrenamiento
3. Validación

Meta flujo de trabajo

Ejemplo: https://github.com/DiegoKoz/intro_ds

Otros temas

• Sobreajuste

• Trade-off sesgo varianza

• Trade-off Precision-recall

Implementaciones:

• Caret
• Tidymodels
• Sci-kit learn